【技術】一種遙感圖像無感隱寫方法

摘要

針對遙感圖像在傳輸和存儲過程中面臨的易被盜取、篡改和濫用的風險，提出了一種基于注意力機制的遙感圖像無感隱寫方法，旨在實現高質量的遙感圖像加密和解密，同時確保秘密信息的隱蔽性和完整性。該方法采用端到端的加密解密架構，引入增強型注意力機制對載體圖像和秘密圖像特征進行提取，結合基于ECA-DenseNet的加密網絡與融合可分離卷積的StegNet解密網絡，顯著提高了遙感圖像的隱藏與提取質量。實驗結果表明：本方法能夠在保持載體圖像視覺質量的同時，有效隱藏遙感圖像，并在解密過程中完整恢復原始秘密圖像。與現有隱寫技術相比，本方法在隱蔽性和圖像質量方面表現出色，能夠有效應對實際應用中的挑戰，確保在不引起載體圖像顯著視覺變化的前提下，實現遙感圖像的完整隱寫和高質量解密，實現圖像無感加密解密的目標，為遙感圖像的安全傳輸和存儲提供了一種可靠的解決方案。

引用

[1] 黃穎,張之政,王賦敏,等. 一種基于注意力機制的遙感圖像無感隱寫方法[J]. 測繪科學, 2026, 51 (03): 29-36.

DOI:10.16251/j.cnki.1009-2307.2026.03.004.

引言

遙感圖像具有亞米級甚至更高的空間分辨率，包含高精度地理坐標、軍事設施位置、自然資源分布等敏感信息。如何保證遙感圖像在通信傳輸過程中的安全性已成為亟待解決的重要問題。

圖像隱寫術是數據隱藏領域的重要技術 [1] 。近年來，一系列深度學習隱寫分析模型被提出。文獻 [2]將隱寫分析與深度學習相結合，提出TanNet, 驗證了深度學習與隱寫分析相結合的可行性與有效性 [2] 。文獻 [3]提出了預處理網絡、隱藏網絡和解密網絡，并在載體圖像和含密圖像之間以及秘密圖像和解碼圖像之間計算兩個損失 [3] 。文獻 [4]提出一種基于風格轉移和四元數指數矩的圖像隱寫方案 [4] 。文獻 [5]提出了一種基于可逆神經網絡的圖像隱寫法Hinet [5] 。文獻 [6]提出一種基于復雜度匹配和注意力機制的隱寫圖像檢測算法 [6] 。現有研究均在圖像隱寫方面做出了有益嘗試，但是針對含密圖像中留下偽影，導致隱藏的圖像，如飛機、汽車容易被察覺的難題還值得進一步深入研究。

相對于普通數字圖像，遙感圖像具有更豐富的空間信息。在實際應用中，如何運用隱寫技術隱藏遙感圖像，同時確保隱藏圖像與提取圖像的高質量，是一項極具挑戰性的工作。本文提出一種基于注意力機制的遙感圖像無感隱寫方法，主要創新點包括：使用增強型注意力模塊作為預處理網絡，顯著提升了網絡在淺層特征提取階段對關鍵區域的關注能力；設計了基于ECA-DenseNet的加密網絡，在其瓶頸層引入高效通道注意力機制ECA模塊，強化通道間的相關性建模能力；在實際應用中可在不引起載體圖像顯著視覺變化的前提下，實現遙感圖像無感加密解密的目標。

主要圖表

本文提出了一種基于注意力機制的遙感圖像無感隱寫方法。其中包括預處理網絡、加密網絡、解密網絡3個部分，整體框架圖如圖1所示。

圖1 整體框架圖

圖2 ECAAM架構圖

圖3 ECA-DenseNet加密網絡結構圖

圖4 StegNet解密網絡結構圖

圖5 不同模型隱寫效果對比

圖6 不同模型解密效果對比

結束語

本研究圍繞遙感圖像的隱寫技術展開深入探討，基于深度學習與計算機視覺技術，形成一套完整的遙感圖像無感隱寫方案。針對含密圖像可能存在的偽影以及解密后圖像紋理受損的問題，本文設計了一種基于注意力機制的遙感圖像無感隱寫方法，以確保在不引起載體圖像顯著視覺變化的前提下，實現遙感圖像的完整隱寫和高質量解密。為了評價本方法的整體性能，在標準數據集上分別與其他優秀方法進行對比，證明本文方法的可靠性。盡管本文提出的圖像恢復模塊和解密網絡已經顯著改善了解密質量，但在實際應用中，復雜環境條件下的噪聲問題可能影響解密效果，下一步將研究更前沿的去噪技術和更復雜的恢復網絡，以進一步提升圖像隱寫方法的抗噪性能。

來源：測繪學術資訊